交接：下个 session 能纯远程做完的四件事

读这一份就能开工，不需要回看旧对话。 这四件全部不碰硬件、不占机器人时间，可以和现场组员并行。 现场那边的清单在 明天要干什么，两边互不阻塞。

0. 先读这一段：环境事实，不知道会走弯路

1. 昨夜已经做完的，别重复劳动

试验数据管理 GOAL 的第 1、3、4 步都做完了，只剩第 2 步 —— 就是下面的 D。

A · 离线跑开放词表检测，回答「能不能可靠框住杯子」

纯远程 四件里最重要的一件

它是后面每一个动作的共同地基：倾倒、展示、递出，全都要先能稳定找到杯子。

为什么不能再手写规则

已经失败三次，每次数字都好看，每次都被看图推翻：

数据在哪（本地已有，不用下载）

全部在 ~/.cache/huggingface/lerobot/，每个都是三路 RGB （head 424×240，两个 *_wrist 640×480），30 fps：

「换一种杯子仍成立」这条验收，跨数据集跑就能覆盖 —— 不同批次的杯子不一样。

B · 量 token 缩减路线的净收益，判 B0 生死

纯远程 几个小时就能出结论

现状:  SmolVLA 一次推理 1329 ms,规划 50 步  （原文误作 146 ms/帧,那是 ACT 的数）
B0 想做的:  视觉 token 256 → 16
           省下  Y ms   （token 变少，语言模型那段变快）
           付出  X ms   （分割模型每帧要多跑一遍）
净收益 = Y − X

C · 盘点已有的 HRI 代码 + 修一处安全层数字错误

纯远程 产出是一份清单和一个决定

这套东西三周前就写好了（2026-08-14 提交，main 和 china-console 都有）：

再写一套是重复劳动。先读，再列缺口。

C3 是这一项里最要紧的

policy_safety.py:239 的 HEAD_LOCK_NOTE 断言该数据集 head_motor_2 = 99.649，据此算出 3181 counts、超出标定 564 counts。

实测：19453 帧全部是 49.846。用它自己的公式重算：

D · 关键帧采集（试验数据管理 GOAL 只剩这一步）

纯远程 把已完成的 90% 补齐最后一块

试跑时在三个时刻各存一张头相机图，存到 05-training/trials/keyframes/： 开跑前（初始条件）→ 闭爪瞬间 → 结束时。

写进结果文件的 keyframes: {init, closure, end} —— schema v2 里这个字段已经预留好了，trials_io.py 也已经能读，现在只是永远是 null。

顺带：这次实测出来的深度事实

• 深度不在数据集 features 里。所有本地数据集的 features 只有三路 RGB。 深度是旁路格式，在 …/<dataset>/depth/ep<N>-<时间戳>/frame_NNNNNN.png
• 格式：640×480 16-bit 灰度 PNG，单位毫米。全部合计约 863 MB
• 数据是好的：实测有效像素 76–86%，中位深度约 500 mm（桌面距离，合理）
• 开头 1–2 帧是全零（传感器预热），处理时跳过
• ⚠ 有到 32000 mm 的离群值。室内不可能，是噪声。 只把 0 当无效不够，要按合理范围裁剪（例如 100–2000 mm）

不许做的

1. 不碰硬件。这四件全部离线。要动手臂的事在 明天清单里，归现场。
2. 不改安全层的行为。C3 那处改注释可以，改钳位行为要先问。
3. 不写第三套人脸检测。先在现有两套里选一套。
4. 不跑 git 写命令。全在 deny 列表里。
5. 结论必须标证据等级：实测 / 未测 / 跑了但被挡住。
6. 感知方案必须过人工看图核对才允许写进结论。数字好看但锁错目标，已经发生三次。